RE•WORK Witboek: De uitdagingen, successen, vooruitgang en mislukkingen van verwerking in AI

RE-WORK is een leider in AI- en Deep Learning-evenementen, die over de hele wereld topsessies en workshops organiseert. De evenementen behandelen onderwerpen met betrekking tot Deep Learning, Machine Learning, AI in verschillende sectoren, Computer Vision, zelfrijdende voertuigen, verantwoorde AI en meer. Ze brengen leiders uit zowel de industrie als de academische wereld samen.

In RE•WORK’s meest recente whitepaper met de titel ‘De uitdagingen, successen, vooruitgang en mislukkingen van verwerking in AI’ waren de bijdragers onder andere namen van Purdue University, Ryerson University, GSI Technology, COTA Inc., Omdena en meer.

Het white paper is onderverdeeld in zes hoofdstukken:

• Hoofdstuk 1: Gegevensbeperkingen in gemeenschappelijke industrie- en non-profittoepassingen

• Hoofdstuk 2: Convergentie van ElasticSearch, ANN en Computer-in-Memory

• Hoofdstuk 3: De beperkingen en vooruitgang van gegevensbeschikbaarheid

• Hoofdstuk 4: Gegevensblokkades in ML en AL

• Hoofdstuk 5: Verwerkingsbeperkingen op Enterprise AI – Is GPT-3 de uiteindelijke oplossing?

• Hoofdstuk 6: Alles in 6G-draadloze communicatienetwerken

Het eerste hoofdstuk van het paper behandelt de meest voorkomende gegevensuitdagingen waarmee zowel private als non-profitorganisaties te maken krijgen. Het beschrijft ook de meest voorkomende beperkingen met betrekking tot beschikbaarheid en kosten, privacy en ethiek, en gegevens. Dit hoofdstuk is gebaseerd op drie specifieke casestudies om gegevensbeperkingen in tekst, video en geografische gegevens te demonstreren, waaronder ‘Vulnerabiliteit aanpakken met NLP’, ‘Computer Vision voor noodhulp’ en ‘Computer Vision-toepassingen voor autonoom rijden’.

Hoofdstuk 1 is geschreven door Rosano de Oliveira Gomez, Lead Machine Learning Engineer van Omdena; Harini Suresh, PhD-onderzoeker aan MIT; en Erim Afzal, ML-engineer van Omdena.

Het tweede hoofdstuk richt zich op het gebruik van approximatieve dichtstbijzijnde buur (ANN) met in-memory acceleratieverwerking, waardoor real-time antwoorden van Elastic Search-bewerkingen mogelijk worden. Elastic Search, dat oorspronkelijk een zoekmachine voor tekst was, kan nu documenten zoals afbeeldingen, netwerkarchitectuur, tekstdocumenten en productontvangsten in de databases opnemen. Het hoofdstuk behandelt ook nieuwe technologieën op de markt, zoals de Associative Processing Unit (APU).

Hoofdstuk 2 is geschreven door Mark Wright, directeur marketing van GSI Technology.

Het derde hoofdstuk behandelt de beperkingen en voordelen van gegevensbeschikbaarheid. Het begint met een uitleg over wat gegevensbeschikbaarheid is en niet is, gevolgd door de beperkingen, zoals gegevenscompatibiliteit, opslagfout, server/netwerkfout, kosten en slechte gegevenskwaliteit. Het hoofdstuk eindigt met het introduceren van oplossingen, zoals een high-performance gegevensverwerkingspijplijn en de hybride cloud.

Hoofdstuk 3 is geschreven door Adebunmi Odefunso, software-engineer en ML-practitioner aan Purdue University.

Het vierde hoofdstuk behandelt de verschillende blokkades in ML en AI, met een focus op problematische algoritmen en modellen, zoals gezichtsherkenningssystemen, die hoge foutpercentages en vooroordelen hebben laten zien. Het gaat verder met het demonstreren van hoe vooroordelen kunnen worden geminimaliseerd en interpretatie kan worden verhoogd en waarom de dataset groot en gevarieerd moet zijn. Verschillende andere aspecten van gegevens worden behandeld, zoals consistentie en nauwkeurigheid van gegevensbronnen.

Hoofdstuk 4 is geschreven door Shivam Mathura, Director of Strategy van COTA Inc.

Het vijfde hoofdstuk gebruikt het laatste AI-model GPT-3 om de beperkingen en het potentieel van AI op Enterprise te onderzoeken. Het doel van het hoofdstuk is om te erkennen dat “de beperkingen van vandaag de successen van morgen zijn” en de noodzaak voor voortdurende experimenten.

Hoofdstuk 5 is geschreven door Shaina Raza, PhD-kandidaat in Advisor Computer Science aan Ryerson University.

Het zesde hoofdstuk behandelt de opkomende 6G-draadloze communicatienetwerken en hoe deze AI, machine learning en meer zullen vereisen. Het gaat verder met het noteren van hoe deze systemen ongekende capaciteit en netwerktoegang zullen mogelijk maken. Enkele andere onderwerpen van het hoofdstuk zijn: Next-Generation Wireless Networks met AI en SDN, Motivatie van de DARPA Spectrum Collaboration Challenge en Implementatie van Intelligent Radio Algoritmen.

Hoofdstuk 6 is geschreven door meerdere auteurs, waaronder Kemal Akkaya, Arjuna Madanayake, Udara De Silva en Sravan Pulipati van Florida Int. University; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia en Tommaso Melodia van Northeastern University; Soumyajit Mandal en John Shea van University of Florida; Aditya Dhananjay van Pi Radio; en Jay Dawani en Vassil Dimitrov van Lemurian Labs.